随着铁路向高速、重载快速发展,S700K型电动转辙机大量投入使用,这就需要更加完备的运行状态监测机制和智能化的故障诊断方法来提高设备的安全性和可靠性。长期以来,对转辙机故障诊断及定位的分析仅依靠维修工作人员的专业知识和经验,微机监测系统采集信息仅作为人工判断故障的依据,故障识别时间较长,且误判、漏判现象时有出现。本文在对国内外电动转辙机故障诊断方法研究分析的基础上,针对目前S700K型电动转辙机故障识别手段相对落后且已有故障诊断方法均有其局限性这一问题,基于微机监测系统采集的S700K型电动转辙机运行功率曲线,结合灰色关联分析方法和神经网络建模技术,设计灰色神经网络,将其应用于S700K型电动转辙机的故障诊断。首先,通过S700K型电动转辙机的基本结构与工作过程,分析其故障产生机理及主要性能参数,研究各主要性能参数之间的关系,得出S700K型电动转辙机运行的功率值可作为故障诊断的特征参数。根据S700K型电动转辙机功率曲线的采集原理,将转辙机完成一次转换动作的过程分为5个阶段,分别分析S700K型电动转辙机常见的8种故障下的参数信息及故障信息。其次,建立转辙机故障诊断框架,给出基于灰色神经网络的诊断流程,应用灰色神经网络进行S700K型电动转辙机故障诊断。基于灰色系统与神经网络分析方法,将灰色关联分析和神经网络建模方法结合建立灰色神经网络,基于灰色关联分析对时间序列数据的处理,建立故障特征集,通过神经网络计算待检样本与故障特征集数据的灰色关联度。基于分辨率取值原则及不同分辨率系数下的故障识别率选取最优分辨率进行诊断系统功能及性能的验证,选择某电务段S700K型电动转辙机故障功率曲线作为测试样本进行系统验证,可得本文所建诊断系统所得结果与现场检修结果一致。最后,完成诊断系统的设计。论文建立了基于灰色神经网络的S700K型电动转辙机故障诊断系统,利用Access 2003建立后台数据库,用Microsoft Visual C++6.0编程实现整个系统的故障诊断,包括知识库管理、网络设计、故障诊断推理及人机界面等。利用多组测试样本进行验证,诊断结果证明该系统能有效并快速的实现S700K型电动转辙机的故障诊断。